404
Page not found :(
The requested page could not be found.
diff --git a/.nojekyll b/.nojekyll new file mode 100644 index 0000000..e69de29 diff --git a/404.html b/404.html new file mode 100644 index 0000000..8cb04e2 --- /dev/null +++ b/404.html @@ -0,0 +1 @@ +
Page not found :(
The requested page could not be found.
Ce site web contient les ressources additionnelles utilisées dans L’IA en pratique avec python, les 3 pilliers de l’IA aux editions Eyrolles. Les exemples de code que vous trouverez sont tous libres et distribués sous licence MIT.
Nous souhaitons remercier les étudiants de l’ULB du cours de technique de l’IA d’avoir participés à l’élaboration d’une partie des codes d’exemples que vous trouverez sur le site (par ordre alphabétique):
Vous pouvez retrouver tout les codes sources présentés ici sur github: iridia-ulb/AI-book
Vous trouverez ci-dessous les instructions et détails sur le jeu du 8 Puzzle (ou Taquin). Le principe du jeu est simple, réussir à retrouver l’image originale en déplaçant la seule pièce libre à chaque tour de jeu.
Ce jeu est ici présenté avec 2 AI différentes, une IA par apprentissage par renforcement et une recherche par A*.
Pour installer le jeu, commencez par copier le dépot du livre (AI-book sur github), soit en récupérant l’archive zip depuis github, soit à l’aide de l’outil git:
git clone https://github.com/iridia-ulb/AI-book
+
Puis, accedez au dossier du jeu:
cd 8Puzzle
+
Après avoir installé python et poetry, rendez-vous dans ce dossier et installez les dépendances du projet:
poetry install
+
Vous pouvez ensuite lancer le jeu dans l’environnement virtuel nouvellement créé. Le jeu en mode “recherche A*” se lance comme ceci:
poetry run python main.py -a
+
Le jeu en mode apprentissage par renforcement (Reinforcement Learning et plus spécifiquement Q learning) se lance comme ceci:
poetry run python main.py -r
+
Ensuite suivez les instructions à l’écran.
En résumé:
usage: main.py [-h] [-a] [-r]
+
+8Puzzle game.
+
+optional arguments:
+ -h, --help show this help message and exit
+ -a, --astar Start the program in A* mode.
+ -r, --rl Start the program in RL mode.
+
Pour l’apprentissage par renforcement (Q learning) les “tables Q” (càd les IA déjà entrainées) sont stockées dans le dossier QTable
dans des fichiers texte (QTable_#.txt
) Un exemple d’IA dèjà entrainée est disponible dans le fichier QTable_0.txt